战场目标被动噪声识别技术

综述了噪声识别技术在军事上的应用，并就战场目标噪声识别的技术现状和发展前景作了概括性的介绍，预测了战场目标声识别技术的发展趋势。     

基于改进的MFCC战场被动声目标识别

从战场声信号与语音信号特征的相似性出发，提出基于MFCC参数的战场声目标识别方法。针对战场环境存在强噪声干扰情况，提出一种改进的MFCC特征参数（DWTMFCC）提取方法，该方法将小波分析和Mel倒谱分析结合，提高了特征参数的鲁棒性。仿真结果表明：在噪声条件下，利用DWTMFCC参数进行声目标识别，平均识别率比MFCC参数高出3．134个百分点，信噪比为5dB时．识别率仍达到93．67％。     

AR谱结构特征提取及其对车辆目标的识别效果分析

针对车辆噪声识别问题,在对实测的４种车辆噪声进行预处理和ＡＲ谱估计的基础上,提取了谱重心,谱面积和卓越频率成分等几个特征量。实测的车辆噪声数据检验表明,基于ＡＲ谱结构提取的这几个特征具有良好的稳定性,且对车辆目标具有良好的识别效果,这对最终完成战场声目标模糊模式识别具有重要的参考价值。     

应用于军事指挥中的鲁棒性语音识别系统

恶劣的军事环境为语音识别系统应用于军事指挥带来了巨大的困难,本文基于语音识别的基本原理,并根据军事指挥这一特殊的应用环境,提出了一种高鲁棒性的语音识别方案.经过战场仿真环境测试表明,该方案的语音识别率在高噪声环境中能达到90%以上,按此方案研制的语音识别系统能够应用于军事指挥环境中.     

地面战场侦察系统多目标识别的评价指标

在对地面战场侦察系统和目标识别介绍的基础上，分析了典型环境下单目标识别与战场环境下多目标识别的评价的差别，根据单目标评价体系，提出了多目标识别效果的评价指标，为战场侦察系统的多目标识别提供了评价方法。     

小波包分析与能量算子结合的声目标特征参数

为了解决强噪声下识别率低的问题,提出了一种新的战场声目标特征参数提取方法。该方法将小波包分析和Teager能量算子(TEO)相结合,采用小波包对带噪声信号进行分解,对分解系数计算Teager能量。实验结果表明:基于小波包分析和Teager能量算子的特征参数提取方法具有良好的抗噪性能,提高了噪声环境下的声目标识别的准确率。     

基于高阶谱的战场声目标特征提取

由于高阶谱对于高斯噪声不敏感的特性，在战场噪声环境中。提取被动声目标的双谱、双谱切片和相位耦合特征，通过建立声目标的高斯混合模型（GMM），进行声目标信号的识别。将基于此模型的识别结果与功率谱方法比较。仿真结果证明：基于高阶谱特征提取方法优于AR功率谱特征，该方法在抑制背景干扰中具有优越性。     

精确制导自动目标识别智能化的挑战与思考

精确制导系统是利用弹载精确探测装置在复杂战场环境中发现、识别和跟踪目标,利用惯性技术和/或信息支援保障获取弹体自身和所要打击的各种目标的位置和运动信息,控制和导引制导武器准确命中目标的系统。自20世纪70年代正式提出精确制导概念以来,经过40多年的发展,精确制导系统和技术的发展取得了巨大的进步和成就,精确制导武器在现代高技术战争中的作用和地位也在持续提高。随着精确制导系统面临的战场环境的复杂化和目标特性的不确定性程度的提高,精确制导系统与技术的发展也面临着越来越大的挑战。弹载自动目标识别技术是使导弹适应复杂多变的战场环境和激烈博弈的对抗条件下精确打击各类目标的关键技术之一,也是精确制导技术领域长期以来重点研究的一个方向,但由于复杂战场环境下的自动目标识别、决策要求智能程度较高,尽管几十年来一直在努力通过提升自动目标识别的智能化水平,来使精确制导系统在复杂战场环境和宽范围变化的目标特性条件下具有稳健的性能,弹载自动目标识别问题仍然没有得到很好的解决。本文介绍了精确制导自动目标识别智能化的发展进程,分析了当前精确制导自动目标识别智能化所面临的挑战,对精确制导自动目标识别智能化的发展给出了一些粗浅的看法。     

信息化战场下声信号目标识别技术

介绍了信息化战场中声信号的目标特点及应用领域,并对信息化战场中的声信号的目标识别关键步骤和国外发展现状做出了详细阐述, 指出了信息化战场下声信号的目标识别技术的发展趋势.     

数据融合在战场目标识别中的应用

采用异类传感器系统之间的集中式数据融合技术可以提高战场目标识别的准确度。首先,简要介绍数据融合技术的基本理论;然后,阐述数据融合在战场目标识别中的任务;最后,应用集中式数据融合技术进行战场目标识别仿真,检验其可行性。结果表明,该设计取得了良好的分类结果,将在军事领域得到更加广阔的应用。     

海上联合作战战场态势估计关键技术

为了得到客观和准确的海战场态势,从目标识别技术、海战场态势信息检验技术和预测技术3方面对海战场态势估计关键技术进行了探讨,并从完备性、准确性和时效性3方面对联合作战海战场态势信息的检验进行检验,并建立矢量型的时空数据模型和面向对象的时空数据模型对海战场态势进行预测,给出了具体方法。该研究可为海军通用联合作战海战场环境态势估计技术的研究提供参考。     

基于HMM模型的战场侦察多目标识别技术研究

隐Markov模型是一种用于语音识别比较成功的统计模型，战场侦察的多目标识别是战场侦察技术传感器走向实用的关键技术之一，对传统的隐Markov模型的结构和分类器进行了改进，使其初步可以实现由背景噪声环境下的多种类目标的识别。     

复杂战场对抗环境下空中目标抗干扰识别算法

针对复杂背景和红外诱饵对抗环境下红外成像攻坚破甲导弹空中目标识别的难题,提出融合强判别性特征的抗干扰识别算法,将区域生成、特征学习和分类识别融合至抗干扰算法中,形成从像素至区域,再到特征识别的逐级抽象的识别框架。首先通过模拟典型战场环境,生成大量不同对抗态势下的目标特性库,作为算法研究的基础;然后由像素相似性聚类形成候选区域,完成区域“粗粒度”定位;再将提取的各区域特征输入至特征选择模块,学习强判别性的特征;最后将选取的特征输入至改进的多分类支持向量机进行目标的分类识别,实现目标区的“细粒度”锁定。通过逐步细化的识别机制,识别复杂战场对抗环境下的空中目标。验证试验表明,算法在不同对抗态势下的弹道图像数据集中的平均识别正确率达到78.63%,可有效完成目标与干扰之间的区分,为工程应用中的算法研制提供支撑。     

鱼雷稀疏阵高分辨目标声成像方法

鱼雷目标声成像和图像制导是鱼雷在现代复杂水声对抗战场条件下实现准确目标识别和智能化精确制导的最有效途径。为了实现鱼雷图像化目标识别和精确图像制导,针对鱼雷应用特点,研究了鱼雷利用预成空间密集窄波束实现高方位分辨、同时利用各窄波束宽带信号处理实现高距离分辨的目标声成像方法,提出了鱼雷声成像高频非均匀复合稀疏阵及其波束形成方法,分别给出了宽带信号高距离分辨成像处理方法和基于双阈值分割及模糊聚类的目标声图像优化处理方法,有效实现了空间方位和距离高分辨的鱼雷目标声成像。该方法大大减小了硬件规模,易于工程实现。计算机仿真和水池试验结果表明,该鱼雷目标声成像方法可以有效获取目标声图像,并具有很高的方位和距离分辨能力。     

面向鲁棒决策的战场态势评估人机共识形成方法

针对地面突击装备战术级、高动态、分布式、强实时作战过程中的战场态势高度复杂且信息不确定问题,提出一种面向鲁棒决策的战场态势评估人机共识形成方法,实现“人类智能”与“人工智能”在综合态势评估中的有机融合。首先,通过采集乘员（专家）态势评估行为实验样本,模拟乘员（专家）对战场态势信息的认知过程,构建战场态势评估两级智能代理模型;其次,提出一种对人机偏好不敏感的决策鲁棒指数,车辆乘员基于该指数在高强度对抗下快速判断形成人机共识,辅助指挥员进行鲁棒决策。在某作战仿真系统中进行了红蓝对抗的想定设计,并以敌方意图为态势评估对象进行了案例验证,验证了该方法的有效性。     

成像引信联合变换相关目标识别关键技术

为提高引信及制导等武器系统目标识别精度及实时性,阐述了联合变换相关非合作目标激光成像识别技术的研究状况,指出了复杂战场环境下三维联合变换相关非合作目标识别的三个关键技术:1)目标距离与回波强度的高精度获取;2)复杂背景下三维联合变换相关器互相关峰的提取;3)高速运动下三维联合变换相关器畸变不变识别。对该技术在引信及导航、制导等系统中的应用前景进行了展望。